跳转至

LeetCode: 393. UTF-8 编码验证

1、题目描述

UTF-8 中的一个字符可能的长度为 1 到 4 字节,遵循以下的规则:

  1. 对于 1 字节的字符,字节的第一位设为0,后面7位为这个符号的unicode码。
  2. 对于 n 字节的字符 (n > 1),第一个字节的前 n 位都设为1,第 n+1 位设为0,后面字节的前两位一律设为10。剩下的没有提及的二进制位,全部为这个符号的unicode码。

这是 UTF-8 编码的工作方式:

   Char. number range  |        UTF-8 octet sequence
      (hexadecimal)    |              (binary)
   --------------------+---------------------------------------------
   0000 0000-0000 007F | 0xxxxxxx
   0000 0080-0000 07FF | 110xxxxx 10xxxxxx
   0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
   0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

给定一个表示数据的整数数组,返回它是否为有效的 utf-8 编码。

注意: 输入是整数数组。只有每个整数的**最低 8 个有效位**用来存储数据。这意味着每个整数只表示 1 字节的数据。

示例 1:

data = [197, 130, 1], 表示 8 位的序列: 11000101 10000010 00000001.

返回 true 。
这是有效的 utf-8 编码,为一个2字节字符,跟着一个1字节字符。

示例 2:

data = [235, 140, 4], 表示 8 位的序列: 11101011 10001100 00000100.

返回 false 。
前 3 位都是 1 ,第 4 位为 0 表示它是一个3字节字符。
下一个字节是开头为 10 的延续字节,这是正确的。
但第二个延续字节不以 10 开头,所以是不符合规则的。

2、解题思路

​ 主要是位运算判断是哪一个模式

  • 如果第8位是0,就跳过判断下一个
  • 如果不是0,判断第7位是不是0,如果是0,表示下一个元素应该是以10开头
  • 如果还不是0,继续判断,第6位是不是0,如果是0,表示下面两个以10开头
  • 如果第5位是0,表示,后面3个都是10开头的,如果这一位不是0,返回FALSE
class Solution:
    def validUtf8(self, data):
        """
        :type data: List[int]
        :rtype: bool
        """

        length = len(data)
        index = 0
        while index < length:
            if data[index] & (1 << 7) == 0:
                index += 1
            elif data[index] >> 5 == 0b110:
                if index + 1 < length:
                    if data[index + 1] >> 6 != 0b10:
                        return False
                    else:
                        index += 2
                else:
                    return False
            elif data[index] >> 4 == 0b1110:
                if index + 2 < length:
                    if data[index + 1] >> 6 != 0b10 or data[index + 2] >> 6 != 0b10:
                        return False
                    else:
                        index += 3
                else:
                    return False
            elif data[index] >> 3 == 0b11110:
                if index + 3 < length:
                    if data[index + 1] >> 6 != 0b10 or data[index + 2] >> 6 != 0b10 or data[index + 3] >> 6 != 0b10:
                        return False
                    else:
                        index += 4
                else:
                    return False
            else:
                return False

        return True